CS-330 / 4 credits

Teacher: Faltings Boi

Language: French


Résumé

Introduction aux techniques de l'Intelligence Artificielle, complémentée par des exercices de programmation qui montrent les algorithmes et des exemples de leur application à des problèmes pratiques.

Contenu

Compétences requises

Cours prérequis indicatifs

Functional programming

Concepts importants à maîtriser

Logique de prédicats

Algorithmes de base

Théorie de probabilités

Programmation

 

Acquis de formation

A la fin de ce cours l'étudiant doit être capable de:

  • Choisir le bon type d'inférence pour une application
  • Choisir la méthode la plus appropriée pour un certain type d'inférence
  • Evaluer la faisabilité d'une application de l'Intelligence Artificielle
  • Choisir, implémenter et décrire des algorithmes d'inférence déductive sur la base de calcul de prédicats
  • Formuler des connaissances utilisant la logique des prédicats
  • Décrire des méthodes d'inférence avec des informations imprécises et incertaines
  • Choisir, implémenter et décrire des algorithmes de recherche et de satisfaction de contraintes
  • Choisir et décrire des méthodes pour le diagnostic
  • Choisir, implémenter et décrire des méthodes pour la planification
  • Choisir, implémenter et décrire des méthodes d'apprentissage supervisé sur la base d'exemples
  • Choisir, implémenter et décrire des méthodes d'apprentissage non-supervisé

Méthode d'enseignement

Ex cathedra, travaux pratiques sur ordinateur

Travail attendu

Participation au cours et exercices: 4 heures/semaine

Lecture: 2 heures/semaine

Travail independant: 3 heures/semaine

Méthode d'évaluation

Test intermédiaire 30%, examen  final 70%

Ressources

Bibliographie

Boi Faltings, Michael Schumacher : Intelligence Artificielle par la pratique, PPUR

(Russel & Norvig : Artificial Intelligence : A Modern Approach / Prentice Hall)

Ressources en bibliothèque

Sites web

Liens Moodle

Préparation pour

Intelligent Agents

In the programs

  • Semester: Spring
  • Exam form: During the semester (summer session)
  • Subject examined: Artificial intelligence
  • Lecture: 2 Hour(s) per week x 14 weeks
  • Exercises: 2 Hour(s) per week x 14 weeks
  • Semester: Spring
  • Exam form: During the semester (summer session)
  • Subject examined: Artificial intelligence
  • Lecture: 2 Hour(s) per week x 14 weeks
  • Exercises: 2 Hour(s) per week x 14 weeks
  • Semester: Spring
  • Exam form: During the semester (summer session)
  • Subject examined: Artificial intelligence
  • Lecture: 2 Hour(s) per week x 14 weeks
  • Exercises: 2 Hour(s) per week x 14 weeks
  • Semester: Spring
  • Exam form: During the semester (summer session)
  • Subject examined: Artificial intelligence
  • Lecture: 2 Hour(s) per week x 14 weeks
  • Exercises: 2 Hour(s) per week x 14 weeks

Reference week

 MoTuWeThFr
8-9     
9-10     
10-11     
11-12     
12-13     
13-14     
14-15     
15-16CM3    
16-17    
17-18INF1    
18-19    
19-20     
20-21     
21-22     

Monday, 15h - 17h: Lecture CM3

Monday, 17h - 19h: Exercise, TP INF1

Related courses

Results from graphsearch.epfl.ch.